基于深度學(xué)習(xí)的建筑物表面裂縫檢測技術(shù)研究與實現(xiàn)
發(fā)布時間:2021-09-03 07:24
在大壩、橋梁、隧道等基礎(chǔ)設(shè)施的建設(shè)中,混凝土作為用途最廣、用量最大的一種建筑材料發(fā)揮著重要作用。然而由于惡劣天氣、使用時間、材料質(zhì)量和施工技術(shù)等原因,建筑物的混凝土構(gòu)件經(jīng)常會出現(xiàn)不同程度的裂縫,導(dǎo)致混凝土構(gòu)件形成一定損傷,對基礎(chǔ)設(shè)施的使用壽命、行人安全以及社會經(jīng)濟(jì)產(chǎn)生嚴(yán)重影響。因此對混凝土表面的裂縫等缺陷結(jié)構(gòu)進(jìn)行檢測成為一大重要研究問題。針對此問題,本文提出了一種基于深度學(xué)習(xí)的裂縫圖像檢測與分割方法。該方法主要分為兩個階段:在第一階段中,我們通過卷積神經(jīng)網(wǎng)絡(luò)提取抽象特征,并保留每一層的特征圖。在第二階段,我們利用轉(zhuǎn)置卷積將特征圖放大,并與低維度的特征進(jìn)行融合,從而得到精確度更高的分割模型。此外,我們還提出了一種適用于細(xì)小物體分割網(wǎng)絡(luò)的邊界加權(quán)損失函數(shù),根據(jù)像素點到邊界的距離不同而給予不同權(quán)重,從而使得細(xì)邊界目標(biāo)區(qū)域被判定為正樣本時具有更高的優(yōu)先級,以此減少分割結(jié)果的斷裂情況,提高檢測精度。為符合實際應(yīng)用場景,本文還構(gòu)建了一個真實的裂縫數(shù)據(jù)集,用于對模型進(jìn)行訓(xùn)練和驗證。之后我們基于圖像處理技術(shù)對裂縫的分割結(jié)果進(jìn)行了定量分析,通過基本的形態(tài)學(xué)方法如腐蝕、膨脹、開閉運算等操作得到裂縫的分割標(biāo)...
【文章來源】:北京郵電大學(xué)北京市 211工程院校 教育部直屬院校
【文章頁數(shù)】:68 頁
【學(xué)位級別】:碩士
【部分圖文】:
圖2-1卷枳神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)??(1)輸入層(Input?layer)??
?素越近,相關(guān)性越強(qiáng),反之則越弱。因此局部感知使用部分神經(jīng)元來接收圖像信??息,然后通過整合所有信息來實現(xiàn)圖像增強(qiáng)的目的。從圖2-2可以看出,第n+1??層的節(jié)點只與第n層的3個節(jié)點相連,因此只需要3*3=9個參數(shù),相比于每一個??都兩兩相連需要5*3=15個參數(shù)減少了?40%的計算量。與此類似,第n+2層和第??n+1層也采用這種連接方法。這種局部連接大大減少了參數(shù)的數(shù)量,加快了學(xué)習(xí)??效率,并在一定程度上降低了過擬合的可能性。??第n+2層??V??、、??,?、、??v?/?V?y?V?/??X?!?X.?X?I?\??X?>丄、?V、??-(;._:;?〇?r)?〇??圖2-2局部關(guān)聯(lián)示意圖??卷積足CNN中的核心操作,它通過一個滑動窗口,把卷積核與對應(yīng)的閣像??像素相乘然后相加。比如圖2-3屮我們在一個5*5的閣像上,用一個3*3的卷積??核來進(jìn)行卷積操作
?素越近,相關(guān)性越強(qiáng),反之則越弱。因此局部感知使用部分神經(jīng)元來接收圖像信??息,然后通過整合所有信息來實現(xiàn)圖像增強(qiáng)的目的。從圖2-2可以看出,第n+1??層的節(jié)點只與第n層的3個節(jié)點相連,因此只需要3*3=9個參數(shù),相比于每一個??都兩兩相連需要5*3=15個參數(shù)減少了?40%的計算量。與此類似,第n+2層和第??n+1層也采用這種連接方法。這種局部連接大大減少了參數(shù)的數(shù)量,加快了學(xué)習(xí)??效率,并在一定程度上降低了過擬合的可能性。??第n+2層??V??、、??,?、、??v?/?V?y?V?/??X?!?X.?X?I?\??X?>丄、?V、??-(;._:;?〇?r)?〇??圖2-2局部關(guān)聯(lián)示意圖??卷積足CNN中的核心操作,它通過一個滑動窗口,把卷積核與對應(yīng)的閣像??像素相乘然后相加。比如圖2-3屮我們在一個5*5的閣像上,用一個3*3的卷積??核來進(jìn)行卷積操作
【參考文獻(xiàn)】:
期刊論文
[1]基于深度學(xué)習(xí)的全卷積網(wǎng)絡(luò)圖像裂紋檢測[J]. 王森,伍星,張印輝,陳慶. 計算機(jī)輔助設(shè)計與圖形學(xué)學(xué)報. 2018(05)
[2]彩色圖像分割方法綜述[J]. 林開顏,吳軍輝,徐立鴻. 中國圖象圖形學(xué)報. 2005(01)
[3]土木工程結(jié)構(gòu)健康監(jiān)測研究進(jìn)展[J]. 孫鴻敏,李宏男. 防災(zāi)減災(zāi)工程學(xué)報. 2003(03)
本文編號:3380684
【文章來源】:北京郵電大學(xué)北京市 211工程院校 教育部直屬院校
【文章頁數(shù)】:68 頁
【學(xué)位級別】:碩士
【部分圖文】:
圖2-1卷枳神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)??(1)輸入層(Input?layer)??
?素越近,相關(guān)性越強(qiáng),反之則越弱。因此局部感知使用部分神經(jīng)元來接收圖像信??息,然后通過整合所有信息來實現(xiàn)圖像增強(qiáng)的目的。從圖2-2可以看出,第n+1??層的節(jié)點只與第n層的3個節(jié)點相連,因此只需要3*3=9個參數(shù),相比于每一個??都兩兩相連需要5*3=15個參數(shù)減少了?40%的計算量。與此類似,第n+2層和第??n+1層也采用這種連接方法。這種局部連接大大減少了參數(shù)的數(shù)量,加快了學(xué)習(xí)??效率,并在一定程度上降低了過擬合的可能性。??第n+2層??V??、、??,?、、??v?/?V?y?V?/??X?!?X.?X?I?\??X?>丄、?V、??-(;._:;?〇?r)?〇??圖2-2局部關(guān)聯(lián)示意圖??卷積足CNN中的核心操作,它通過一個滑動窗口,把卷積核與對應(yīng)的閣像??像素相乘然后相加。比如圖2-3屮我們在一個5*5的閣像上,用一個3*3的卷積??核來進(jìn)行卷積操作
?素越近,相關(guān)性越強(qiáng),反之則越弱。因此局部感知使用部分神經(jīng)元來接收圖像信??息,然后通過整合所有信息來實現(xiàn)圖像增強(qiáng)的目的。從圖2-2可以看出,第n+1??層的節(jié)點只與第n層的3個節(jié)點相連,因此只需要3*3=9個參數(shù),相比于每一個??都兩兩相連需要5*3=15個參數(shù)減少了?40%的計算量。與此類似,第n+2層和第??n+1層也采用這種連接方法。這種局部連接大大減少了參數(shù)的數(shù)量,加快了學(xué)習(xí)??效率,并在一定程度上降低了過擬合的可能性。??第n+2層??V??、、??,?、、??v?/?V?y?V?/??X?!?X.?X?I?\??X?>丄、?V、??-(;._:;?〇?r)?〇??圖2-2局部關(guān)聯(lián)示意圖??卷積足CNN中的核心操作,它通過一個滑動窗口,把卷積核與對應(yīng)的閣像??像素相乘然后相加。比如圖2-3屮我們在一個5*5的閣像上,用一個3*3的卷積??核來進(jìn)行卷積操作
【參考文獻(xiàn)】:
期刊論文
[1]基于深度學(xué)習(xí)的全卷積網(wǎng)絡(luò)圖像裂紋檢測[J]. 王森,伍星,張印輝,陳慶. 計算機(jī)輔助設(shè)計與圖形學(xué)學(xué)報. 2018(05)
[2]彩色圖像分割方法綜述[J]. 林開顏,吳軍輝,徐立鴻. 中國圖象圖形學(xué)報. 2005(01)
[3]土木工程結(jié)構(gòu)健康監(jiān)測研究進(jìn)展[J]. 孫鴻敏,李宏男. 防災(zāi)減災(zāi)工程學(xué)報. 2003(03)
本文編號:3380684
本文鏈接:http://www.sikaile.net/jianzhugongchenglunwen/3380684.html
最近更新
教材專著